2022 年，三位前 DeepMind 研究员回到捷克，在布拉格成立 EquiLibre Technologies。他们没有金融从业背景，希望把游戏 AI 研究中积累的强化学习经验用于交易。
四年后，这家公司获得了新一轮融资。
据 TechCrunch 6 月 30 日报道，EquiLibre 刚完成 Creandum 领投的 A 轮融资，估值约 5 亿美元，融资金额未披露。这家 25 人的 AI 实验室与纽约自营交易公司 Tower Research Capital 合作，算法每天在标普 500 和纳斯达克相关市场产生数十亿美元交易量。公司称，自 2025 年先在加密货币市场部署、随后进入股票市场以来，"没有出现过任何一个亏损月份"。这是公司的业绩自述，报道未披露完整的风险与收益记录。
从游戏 AI 研究到布拉格创业
Martin Schmid、Rudolf Kadlec 和 Matej Moravcik 都曾在 IBM 和 DeepMind 工作，拥有游戏 AI、强化学习等领域的研究经验。
2017 年发表的 DeepStack 论文中，Schmid 和 Moravcik 是共同作者。研究团队在约 44,000 手牌的实验中，证明系统能以统计显著的成绩击败双人无限注德州扑克职业选手。这是 AI 在不完美信息博弈中的一次突破。
三人随后共同参与了 Player of Games 的研发。这项研究于 2021 年公开预印本，后以 Student of Games 为名发表，尝试用统一算法处理国际象棋、围棋等完美信息游戏，以及扑克等不完美信息游戏。
三人均拥有博士学位：Schmid 和 Moravcik 研究算法博弈论，Kadlec 的博士研究方向是情景记忆建模。Schmid 对 TechCrunch 表示，创始团队的动力来自探索新的 AI 方法，而非金融行业本身。
2022 年回到捷克创业时，他们也邀请熟悉的研究者加入。"我们在 Edmonton 和伦敦有一大批捷克裔的朋友和同事，" Schmid 在接受 TechCrunch 采访时说，"所以我们告诉他们：嘿，我们要搬回布拉格了，要不要一起？"
Schmid 认为，布拉格有利于留住团队成员：当地不会频繁出现吸引人才跳槽的新 AI 公司。
用强化学习处理信息不完整的交易决策
EquiLibre 看重扑克与交易的一项共同点：参与者都需要在信息不完整、其他人也在行动的环境中连续作出决策。
在德州扑克中，你知道自己的两张底牌，但不知道对手的手牌、也不知道接下来会翻出什么公共牌。你必须在不完整的信息下做出连续决策，每一步的结果取决于对手的策略——金融市场也有类似的信息限制：你知道历史价格和公开信息，但不知道其他市场参与者的持仓、意图和私有信号。
Schmid 认为，交易提供了一个直接的评价标准：AI 赚了多少钱。
强化学习通过奖励信号来调整策略，交易盈亏因此可以成为学习目标的一部分。EquiLibre 官网称，其系统会适应不断变化的市场和其他参与者；具体训练环境、奖励设计和实盘更新方式并未公开。
团队此前的研究结合了 深度学习与博弈论推理。例如，DeepStack 用递归推理处理信息不对称，把计算集中在当前决策，并通过自我对弈学习局面价值。这些研究提供了方法上的积累；交易市场中的噪声、成本和变化，则需要另行处理。
其他交易公司也在探索这些方法。Jane Street 的官网介绍，其团队会使用强化学习、LLM 等研究成果训练模型，并称拥有"数万块高端 GPU"。面对规模更大的竞争者，EquiLibre 希望提高计算效率，希望以更少的计算资源取得更好的表现。
A 轮估值约 5 亿美元，融资金额未披露
公司此前已经完成两轮融资。按 TechCrunch 的报道和其引用的 Dealroom 数据：
- Pre-Seed 轮：投资方包括 Credo Ventures。这家专注于中东欧的基金也是 ElevenLabs 和 UiPath 的早期投资者。
- 种子轮：Blossom Capital 领投的 $1000 万，估值约 $1.4 亿（€1.228 亿）。
- A 轮：Creandum 领投，金额未披露，估值约 5 亿美元（相关欧洲媒体折算约 €4.38 亿）。
Creandum 副总裁 Cameron Sellers 向 TechCrunch 确认，这是该机构"有史以来对一家公司最大的一笔单笔投资"。"交易的潜在总可寻址市场是地球上最大的市场之一，" Sellers 说，"多年来，无数基金创造的利润让大多数风投支持的成功案例相形见绌。"
但 Sellers 也特别指出，EquiLibre 将自己明确定义为"一个实验室，而非金融公司"。这种自我定位与其创始人的气质高度一致。"我做这件事不是因为我对提高市场效率感到兴奋，" Schmid 坦言，"我做这件事是因为我们都对构建前所未见的新事物感到兴奋，而这个过程本身就很有趣。"
2024 年图灵奖得主、强化学习研究者 Rich Sutton 也是公司的顾问委员会成员。Schmid 等人此前在 Edmonton 与他合作，这段研究关系延续到了创业阶段。
与 Tower Research 合作，让算法进入实盘交易
据 Bloomberg 2024 年 5 月报道，EquiLibre 于 2023 年底与 Tower Research Capital 建立独家合作关系，Tower 首席投资官 John Cogman 确认了这一安排。
Tower Research 是一家纽约自营交易公司。与这类机构合作，可以让研究团队接触实际交易和市场基础设施，算法表现也会直接影响合作效果。
公开报道已经确认双方合作开展交易，但账户结构、算法授权和利润分成等细节尚未披露。对于一家 2022 年成立、创始人缺少金融从业经验的公司，借助交易机构进入实盘，是检验研究方法的一条实际路径。
融资支持研究扩张，长期交易表现仍待检验
约 5 亿美元的估值，体现了投资者对 EquiLibre 研究团队和交易业务的期待。
统计套利、高频交易和机器学习模型长期共存于量化交易中。强化学习的加入，为如何连续调整交易决策提供了另一类工具。
何时买入、调整仓位或卖出，都涉及序列决策，博弈论也能帮助研究其他参与者对策略的影响。不过，将这些问题形式化之后，模型仍需应对不完整的信息和不断变化的市场环境。能否持续获利，要看实际部署的结果。
EquiLibre 的估值从种子轮约 1.4 亿美元升至 A 轮约 5 亿美元，融资将为其继续开发模型和扩展计算资源提供支持。更大交易机构在人才、算力和市场经验上的积累，也意味着竞争会持续。
被问及 Jane Street 等竞争者时，Schmid 表示："这不是一个赢家通吃的市场。"
公司接下来要证明的是，游戏 AI 研究中积累的方法，能在更长时间和不同市场条件下支持稳定的交易表现。
